A OpenAI anunciou que começou a treinar seu próximo modelo de fronteira, o qual eles antecipam que os levará ao próximo nível de capacidades em seu caminho para a Inteligência Geral Artificial (AGI). Embora a empresa tenha orgulho de construir e lançar modelos líderes da indústria em termos de capacidades e segurança, eles dão as boas-vindas a um debate robusto neste momento importante.

O fato de a OpenAI ter declarado que recentemente começou a treinar este próximo modelo de fronteira sugere que o próximo modelo provavelmente será um sistema que não antecipamos, semelhante a como o GPT-4 não foi totalmente antecipado. Isso é muito diferente do desenvolvimento do GPT-5, que foi mais amplamente discutido pela empresa.

Não está claro exatamente quais capacidades este novo modelo terá, mas a redação da OpenAI implica que ele pode trazer avanços significativos. A empresa é conhecida por sua linguagem cuidadosa, portanto, este anúncio provavelmente sinaliza um novo sistema impactante em desenvolvimento. Se será um modelo de linguagem mais avançado, um sistema agêntico ou algo completamente diferente, ainda resta saber.

Não obstante, o foco da OpenAI em construir AGI, em vez de perseguir a superinteligência, fornece insights sobre a direção estratégica da empresa. Eles parecem estar apostando que outras organizações resolverão o problema de alinhamento para sistemas superinteligentes, enquanto a OpenAI se concentra em desenvolver sistemas AGI capazes que possam ser aproveitados para aplicações práticas.

O artigo recente investiga se os modelos de linguagem de grande porte (LLMs) podem realizar com sucesso a análise de demonstrações financeiras de maneira semelhante aos analistas humanos profissionais. Os pesquisadores forneceram demonstrações financeiras padronizadas e anônimas ao GPT-4 e instruíram o modelo a analisá-las para determinar a direção dos lucros futuros, mesmo sem nenhuma narrativa ou informação específica do setor.

As principais conclusões do estudo são:

• O LLM supera os analistas financeiros em sua capacidade de prever mudanças nos lucros.
• O LLM exibe uma vantagem relativa sobre os analistas humanos em situações em que o analista tende a ter dificuldades.
• A precisão de previsão do LLM está no mesmo nível de desempenho de um modelo de aprendizado de máquina de ponta treinado de forma estreita.
• A previsão do LLM não decorre de sua memória de treinamento, mas sim gera insights narrativos úteis sobre o desempenho futuro de uma empresa.
• As estratégias de negociação baseadas nas previsões do LLM geram uma razão de Sharpe e Alfas mais altos do que as estratégias baseadas em outros modelos.

Os pesquisadores concluem que os LLMs podem desempenhar um papel central na tomada de decisões financeiras no futuro. O estudo fornece uma demonstração pública que permite aos usuários experimentar as capacidades de análise financeira do LLM.

O Google atualizou recentemente sua API Gemini 1.5 Pro, pós-treinando o modelo para melhorar suas capacidades. Essa atualização fez com que a API Gemini 1.5 Pro destronasse o Claude 3 Opus no ranking ELO da Arena, embora ainda não tenha superado o GPT-4.

O processo de pós-treinamento envolve fazer sutis alterações no modelo após seu treinamento inicial, o que pode melhorar significativamente sua confiabilidade, capacidade de resposta e desempenho geral. Essa é uma técnica que a OpenAI vem utilizando com o GPT-4, atualizando e refinando constantemente o modelo para manter sua vantagem.

A decisão do Google de adotar uma abordagem semelhante com a API Gemini 1.5 Pro demonstra a corrida contínua para melhorar os modelos de linguagem de grande porte e permanecer competitivo no cenário de rápida evolução da IA. Embora as diferenças no ELO da Arena entre os principais modelos sejam relativamente pequenas, isso destaca os esforços constantes dos gigantes da tecnologia para expandir os limites do que esses sistemas podem alcançar.

À medida que o ponto de convergência desses modelos continua a se estreitar, será fascinante ver como o cenário evoluirá no próximo ano. Os rápidos avanços no campo da IA são realmente cativantes, e será emocionante testemunhar a próxima geração desses poderosos modelos de linguagem e seu potencial impacto em várias indústrias e aplicações.

O novo recurso Search Generative Experience (SGE) do Google tem sido alvo de alguma controvérsia, pois as respostas geradas por IA foram consideradas imprecisas ou até mesmo perigosas.

Alguns exemplos destacados na discussão incluem:

• Recomendar que mulheres grávidas devem fumar 2-3 cigarros por dia, o que é claramente um conselho médico inseguro.
• Sugerir adicionar cola não tóxica à pizza para fazer o queijo grudar melhor, o que poderia ser prejudicial se seguido.
• Aconselhar a comer pelo menos uma pequena pedra por dia, o que é extremamente perigoso e não deve ser feito.

Parece que o Google se apressou em implementar esse novo recurso de pesquisa e não fez uma triagem adequada das fontes de dados usadas para gerar as respostas. Isso levou à inclusão de respostas de brincadeira e outras informações não confiáveis, apresentadas como factuais.

Os usuários são aconselhados a ter cautela ao confiar nas respostas do SGE, pois elas podem não ser sempre precisas ou seguras. É importante cruzar as informações com fontes confiáveis, em vez de aceitar cegamente as respostas geradas pela IA. O Google provavelmente precisará melhorar seus processos de curadoria de conteúdo e verificação de fatos para garantir a confiabilidade do recurso SGE no futuro.

Os principais pontos da transcrição são:

1. A OpenAI formou um novo comitê de Segurança e Segurança para fazer recomendações sobre decisões críticas para seus projetos.
2. A OpenAI começou a treinar seu "próximo Modelo de Fronteira", que provavelmente é um novo sistema de IA além do GPT-5.
3. Espera-se que o novo modelo traga novas capacidades significativas, embora os detalhes específicos não estejam claros.
4. Há indícios de que a OpenAI está deslocando seu foco mais para a construção de produtos do que para a pesquisa pura em superinteligência.
5. O novo recurso "Recall" da Microsoft, que rastreia o uso do PC, está gerando preocupações com a privacidade e está sob investigação.
6. Um novo artigo de pesquisa mostra que os modelos de linguagem de grande porte podem superar os analistas financeiros humanos na previsão de mudanças nos lucros.
7. O Google atualizou sua API Gemini 1.5 Pro, melhorando seu desempenho em comparação com outros modelos de ponta, como o GPT-4 e o Claude 3 Opus.
8. O novo recurso Search Generative Experience do Google enfrentou alguns problemas com a fornecimento de respostas imprecisas ou inadequadas.